匹配正文：答案要点明确任务边界与成功标准合理设计动作空间（工具调用/推理/终止）模仿学习冷启动+RLHF持续优化构建可复现的仿真环境多维度评估（任务成功率、效率、安全性）一、任务定义与边界划分核心原则：先收敛再扩展从垂直场景切入（如美团外卖智能客服），定义清晰的输入输出边界明确成功指标：任务完成率、用户满意度、平均交互轮数划分任务类型：信息查询、订单操作、异常处理、多轮协商二、环境构建：三层仿真体系层级功能实现方式工具层 API模拟沙箱环境+Mock数据…

#美团#Agent#Agent 训练流程

面试题·评估· 字节

RAG 评测优化闭环

匹配正文：…习端到端优化：用生成损失反向优化检索器（可微分搜索或强化学习）在线闭环：用户反馈（点赞/点踩）回流优化检索排序三、落地建议冷启动阶段：先固定生成模型，优化检索（见效快）数据积累后：引入RAGAS自动评估，建立A/B测试框架高阶阶段：针对业务bad case做专项优化（如表格理解、多文档聚合）学习建议建议系统学习该知识点

#字节#评估与监控#RAG 评测优化闭环

面试题·评估· 字节

BGE-M3 vs BM25 怎么选?

匹配正文：…方式语义相似度（cosine）精确词项匹配优势场景同义改写、跨语言、长语义理解专有名词、短查询、实时性要求高典型短板冷启动、罕见实体、计算开销语义鸿沟、词形变化敏感关键评估指标质量指标 Recall@k：前k个结果命中的相关文档数 / 已标注相关文档总数；前k中的相关占比是Precision@k。两者分别衡量覆盖和噪声。 MRR（Mean Reciprocal Rank）：首个相关文档排名的倒数均值，反映排序质量 NDCG@k：考虑位置衰减的加权得分，适合…

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#抖音#BGE-M3 vs BM25#RAG 检索方案评估

面试题·评估· 哔哩哔哩

粗排模型评估指标与离线在线方法

匹配正文：…人均时长、多样性（粗排影响精排探索空间）漏斗分析：粗排→精排→曝光的转化率变化 B站场景特点视频推荐中粗排需考虑时效性（新视频冷启动）与多样性（分区覆盖），评估时需加入新视频命中率、品类分布熵等业务指标。学习建议建议系统学习该知识点

#哔哩哔哩#评估与监控#粗排模型评估

面试题·评估· 高德

多工具评分排序机制

匹配正文：…优势：可捕捉"隐式偏好"，如特定场景下优先选内部API 关键优化策略动态置信度校准新工具采用乐观初始化（给予较高先验分），加速冷启动引入汤普森采样：在探索（试用新工具）与利用（选历史最优）间平衡反馈闭环工具执行后，将结果质量（是否需重试、下游任务是否成功）回流更新评分异常案例人工标注，定期重训路由模型降级兜底设置置信度阈值，低于阈值时触发"工具组合"或人工介入高德场景的特殊考量地图/导航类工具选择需额外关注：时效性：实时路况工具优先于历史统计工具地域覆…

#高德#Agent#智能体工具选择

面试题·评估· 小红书

RAG 有哪些主要缺陷?

匹配正文：…检索阶段：召回率低、相关性不足、向量语义鸿沟生成阶段：上下文利用不足、幻觉与知识冲突、长文本建模困难系统层面：延迟高、成本高、冷启动问题改进方案需具体对应上述问题一、检索阶段的缺陷 1. 召回质量不稳定向量检索存在"语义鸿沟"：query与文档的embedding空间不对齐，导致字面相关但语义检索失败稀疏场景（专业术语、ID、代码）dense retrieval效果差改进：混合检索（BM25 + 向量）、query改写/扩展、重排序（Cross-encoder）…

#小红书#RAG 局限性#RAG 缺陷

面试题·模型微调· 华为

Few-shot vs Zero-shot vs Fine-tuning 怎么选?

匹配正文：…标注数据做SFT 需求变化快/多租户场景：不同客户（运营商A/B/C）有各自格式规范，用动态示例切换比维护多个LoRA权重更灵活冷启动阶段：快速验证PMF，避免重训成本三方案对比决策：维度 Zero-shot Few-shot Fine-tuning 数据需求无 5-20条数百-数千条成本最低（推理）低（推理+示例token）高（训练+部署）效果天花板受基座能力限制中（模式迁移）高（深度适配）时效性即时即时小时-天级核心优势免训练适配：利…

#华为#Few-shot 提示#Zero-shot 对比

面试题·知识图谱· 淘天

GraphRAG 技术难点有哪些?

匹配正文：…二、实体链接：指代消解与歧义消解的双重挑战跨文档指代：同一实体在不同文档中的表述变异（如"Apple"公司 vs 水果）新实体冷启动：未见实体缺乏上下文锚点，链接模型失效链接与检索的耦合：链接错误会直接污染后续子图检索关键点：需要结合实体嵌入、上下文共现和知识库先验的多维相似度计算，而非单一字符串匹配。三、推理路径搜索：相关性与多样性的平衡挑战具体表现搜索深度爆炸多跳推理路径指数级增长，延迟不可控相关性漂移图拓扑邻近 ≠ 语义相关，容易引入主题漂移路径…

#淘天#多模态#GraphRAG 难点

面试题·多模态· 字节

截图界面怎么用 RAG 解析?

匹配正文：…迟高预计算热门界面的解析结果；检索用HNSW近似；生成用蒸馏小模型 UI频繁变更建立组件指纹（布局哈希），变更时增量更新索引冷启动先用通用UI知识库（Android/iOS设计规范），再逐步积累业务数据复杂交互理解引入时序：支持多张截图（点击前/后）判断状态变化学习建议掌握OCR、视觉理解模型（如CLIP）、RAG基础流程及向量数据库使用，结合实际案例动手搭建小型多模态系统，理解模块间协作逻辑。

#字节#多模态#多模态 RAG

面试题·RAG· OPPO

搜索排序权重怎么动态调?

匹配正文：…. 稳定性保障滑动窗口平均：防止单条样本扰动 A/B测试桶：小流量验证新权重，全量前回滚机制权重裁剪：设置更新幅度上限 4. 冷启动处理新特征先用离线预训练权重，积累一定样本后切入在线学习工程权衡延迟 vs 时效性：流式更新（分钟级）通常足够，秒级需考虑一致性个性化层级：全局权重 → 用户群体权重 → 个体权重，逐层细化学习建议建议系统学习该知识点

#OPPO#用户反馈排序#搜索排序权重动态调整

面试题·RAG· 快手

LLM怎么融入推荐系统？意图理解与生成

匹配正文：…品标题、视频描述、用户评论）转化为高质量稠密向量。物品侧：用LLM编码item文本，替代或补充传统ID embedding，缓解冷启动用户侧：聚合用户历史行为的文本描述，生成动态用户画像向量融合方式：LLM特征与ID特征双塔并行，后期拼接或门控融合关键挑战：LLM特征维度高、推理慢，需蒸馏到轻量模型或离线预计算。二、用户意图理解：从匹配到推理传统推荐是"相关度匹配"，LLM可实现"意图推理"：场景传统方法 LLM增强搜索推荐关键词匹配语义改写、需求扩展（…

#快手#LLM推荐系统#LLM 推荐系统

面试题·RAG· 美团

外挂数据库怎么提升大模型准确性?

匹配正文：…特殊考量外卖/配送业务中，商户状态、运力、价格实时变化：索引需支持高并发写入（高峰订单量）检索需考虑地理位置作为硬过滤条件冷启动问题：新商户用结构化字段兜底，逐步积累向量学习建议掌握RAG基本架构，理解动态数据与模型结合的挑战，学习外挂数据库的检索与更新机制。

#美团#外挂数据库增强#外挂数据库

面试题·RAG· 淘天

偏好数据如何收集与建模?

匹配正文：…敏感度、品牌偏好、风格标签）→ 存向量库动态偏好：当前会话意图漂移检测（用KL散度监控话题转移）群体先验：相似用户簇的偏好作为冷启动回退三、训练优化流程阶段目标方法 SFT 基础对话能力高质量客服对话数据，加入<用户画像>特殊token 偏好数据对齐用户目标同一用户画像/对话上下文下比较回复A/B，治理曝光偏差与反馈噪声优化选型比较质量与成本 DPO直接用偏好对训练，不另训显式RM；若选PPO式RLHF，再训练奖励模型并处理在线采样、价值估计与KL约束 …

#淘天#用户偏好建模#偏好感知对话系统

面试题·RAG· 小红书

生成式推荐的序列原理

匹配正文：…本、甚至推荐理由灵活性任务特定模型统一架构处理多种推荐任务关键优势与挑战优势：天然融合内容信息（标题、图文），缓解ID冷启动统一框架支持多任务（推荐+解释+对话）利用预训练LLM的泛化能力挑战：推理延迟：自回归生成 vs 向量内积检索 ID词汇表爆炸：百万级物品需高效Token化（如Semantic ID、分层编码）位置偏差：生成顺序影响多样性小红书场景的思考笔记推荐适合生成式范式——内容属性丰富（标题、标签、图文），可生成"为什么推荐"的解释增强信…

#小红书#Item Tokenization#生成式推荐的序列原理

面试题·RAG· 小红书

生成式与判别式推荐选型

匹配正文：…少样本生成新ID 统一性召回、排序、重排分离单一模型覆盖全链路优势与挑战优势统一框架：召回+排序一体化，简化系统复杂度冷启动友好：利用生成能力推断未交互item 跨域迁移：序列生成能力可跨场景复用天然可解释：生成过程可追溯挑战 ID空间爆炸：商品库百万级，vocab过大训练效率：自回归生成训练慢于对比学习生成质量：可能出现幻觉ID或重复推荐学习建议建议系统学习该知识点

#小红书#生成式与判别式推荐#生成式与判别式推荐选型

面试题·RAG· 小红书

用户兴趣模型：数据与特征取舍

匹配正文：…标优化：点击+互动+关注+时长，用MMoE或PLE结构序列建模：DIN/Transformer捕捉短期兴趣，长期兴趣用记忆网络冷启动策略新用户：基于相似人群（Lookalike）+ 热门兜底新内容：内容理解模型（图文多模态）预打标签，快速匹配潜在人群四、模型更新策略模块更新频率机制实时兴趣向量分钟级 Flink流式处理用户行为，增量更新Embedding 模型参数小时级/天级在线学习或日全量训练，A/B验证后上线特征体系周级基于特征重要性分析做增…

#小红书#用户兴趣建模#用户兴趣模型

面试题·RAG· 小红书

ROI 问题怎么影响推荐效果?

匹配正文：…练数据中的流行度偏差、自回归生成的短视性 Overfitting（过拟合）对训练集中的热门物品过度拟合，长尾物品召回困难表现：冷启动用户/物品推荐质量差，泛化能力不足 Lack of diversity（多样性不足）推荐结果同质化严重，覆盖的类目、风格、话题狭窄用户视角：信息茧房；平台视角：流量分配失衡对推荐效果的影响问题核心损害 Repetition 用户体验疲劳，点击率虚高但满意度下降 Overfitting 马太效应加剧，创作者生态恶化 Lack of d…

#小红书#推荐多样性#ROI 问题

面试题·RAG· 京东

Query 改写有哪些创新方法?

匹配正文：…滤无货SKU，或提示"相似款" 选型建议高并发搜索：同义扩展 + 缓存，保证延迟对话式导购：语义重写 + 历史融合，提升体验冷启动/长尾：LLM生成多视角Query，扩充召回学习建议建议系统学习该知识点

#京东#Query改写#Query 改写

面试题·RAG· OPPO

内容热门度怎么量化?

匹配正文：…避免全量重算 3. 工程实践要点场景策略实时热榜滑动窗口（5min/1h）+ 增量更新稳定排序多日加权平均，降低波动冷启动内容质量分 + 作者历史热度兜底 4. 关键权衡时效性 vs 稳定性：突发热点 vs 经典内容全局热门 vs 圈层热门：需结合用户画像做分层防刷策略：异常检测 + 置信度加权，低置信度行为降权最终热门度通常作为排序特征之一，与相关性、个性化分数融合，而非单独决定排序。学习建议建议系统学习该知识点

#OPPO#热门度量化#搜索排序指标

面试题·RAG· OPPO

推荐不精准怎么诊断?

匹配正文：…/活跃用户/流失召回用户按场景分：搜索推荐 vs 首页猜你喜欢 vs 购物车推荐常见发现：新用户GAUC比老用户低15% → 冷启动策略失效 4. 对比实验（Hold-out）保留旧模型流量作对照，排除外部因素（大促、季节）三、快速定位决策树在线指标异常？ ├── 是 → 检查特征实时性、模型Serving延迟 └── 否 → 离线指标异常？ ├── 是 → 样本偏差、目标函数设计问题 └── 否 → 体验指标异常？→ 多样性/新颖性不足学习建议建议系统学习该知…

#OPPO#推荐精度诊断#推荐不精准诊断

面试题·RAG· OPPO

排序模型初始权重怎么设?

匹配正文：核心思路搜索排序的初始权重设定本质是多目标权衡的冷启动问题，需要在数据不足时给出合理先验，再逐步迭代优化。常用方法 1. 人工先验法（最常用）业务专家根据场景设定：如新闻搜索时效性权重 > 通用搜索规则化公式：如 score = 0.6*rel + 0.3*hot + 0.1*time 优点：快速上线、可解释；缺点：主观性强 2. 统计启发法分析历史点击数据，计算各特征与CTR的相关系数作为初始权重参考对特征做min-max或z-score归一化，消除量纲影响 3…

#OPPO#排序初始权重#排序模型权重设定

面试题·检索· 字节

RAG架构：检索器与重排序策略

匹配正文：…要压缩、层次化检索（先章节后段落）多跳推理迭代检索（IRCoT）、知识图谱增强幻觉与归因检索结果显式引用、置信度阈值过滤冷启动/新文档增量索引、实时向量更新管道落地权衡延迟：按业务SLO分别测编码、检索、重排、TTFT与生成TPOT；完整回答时长受输出长度影响，不套统一500/100/400ms预算。成本：Embedding调用费用 vs 精排模型部署成本效果边界：候选漏召回限制基于该证据集的作答，但高Recall不保证忠实生成；解析、权限、重排、上下文选…

#字节#向量库与重排序#RAG 架构设计

面试题·检索· 美团

混合检索为什么优于单一检索?

匹配正文：…息，训练时更稳定欧氏距离 ‖A-B‖ 对向量尺度敏感，较少直接用特点：语义泛化能力强，支持同义词、跨语言需要大量数据训练，冷启动和分布外query效果差依赖ANN索引（HNSW、IVF）加速，内存占用高适用：开放域问答、对话系统、语义搜索等需要理解意图的场景。美团场景的实际选型以外卖搜索为例：稀疏检索：召回商家名、菜品名的精确匹配（"肯德基"必须匹配到KFC）稠密检索：理解"适合聚会的餐厅"→ 抓取"包厢、多人套餐"等语义特征融合策略：两阶段检索（稠密召…

#美团#稀疏稠密检索#混合检索策略

面试题·检索· 小红书

BM25 vs 向量检索 vs 混合检索怎么选?

匹配正文：…牌词时提高BM25权重，长尾词时提高向量权重推荐系统（内容召回）以向量检索为主：用户兴趣是隐式语义，非明确关键词 BM25仅作冷启动或热门兜底小红书场景的特殊考量笔记搜索是典型的半结构化文本+强语义需求场景：标题/标签用BM25精确匹配运营关键词正文内容用向量检索理解"氛围感穿搭""早八妆"等社区黑话实际落地需解决：图文多模态统一检索、实时笔记的增量索引更新学习建议建议先掌握每种检索方法的基本原理，再通过对比表格梳理优缺点，结合真实场景理解适用性，推荐动手实…

#小红书#检索方法对比#BM25 向量检索混合检索